Child Exposure to Violent Content and Aggression: A Novel Approach to an Old Debate
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
OBJECTIVE: Our objective is to examine bidirectional, within-person associations between early childhood exposure to violent content in boys and girls and the development of reactive and proactive aggression. METHODS: Data are from 975 girls and 987 boys from Quebec, Canada, followed in the context of the Quebec Longitudinal Study of Child Development (1998-2023). Parents reported child exposure to violent TV content and proactive and reactive aggression at ages 4 to 6. Data were analyzed using random-intercept cross-lagged panel models. RESULTS: Greater exposure to violent content at ages 4 was associated with within-person increases in reactive aggression by age 5 in boys (β = 0.16, 95% Confidence Interval = [0.050, 0.261]) and girls (β = 0.13, CI = [0.004, 0.229]). In addition, greater proactive aggression at age 4 was associated with a within-person decrease in exposure to violent content by age 5 in boys (β = -0.08, 95% CI = [-0.174, -0.003]) and girls (β = -0.09, 95% CI = [-0.174, -0.009]). A similar pattern was observed for boys and girls between the ages of 5 and 6 (β = -0.08, 95% CI = [-0.167, -0.003] for boys and β = -0.10, 95% CI = [-0.194, -0.010] for girls). CONCLUSIONS: Our findings suggest a positive association between early childhood exposure to violent content and the development of reactive aggression. Greater child proactive aggression was also associated with reduced exposure to violent content, suggesting that parents may adopt a reactive, rather than preventive approach when monitoring child media habits.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle